爆炸性頭痛、頸部很僵硬，當心腦動脈瘤破裂！

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《突然頭痛、眼皮垂，竟然是「頸動脈剝離」》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

「你知道嗎？隔壁卜先生不到 50 歲，昨天突然就中風了呢！」

「哇！上個星期看到卜先生時，看起來人還好好的呢！」

「聽說是『頸動脈剝離』引起中風的，你之前聽過這個病嗎？」

相信很多人已經聽過「主動脈剝離」這樣會引發胸痛、血壓下降、甚至猝死的急症，不過呢，動脈剝離不只會發生於主動脈，也可能出現於其他位置的動脈。今天我們來看看另一位置發生的動脈剝離疾病—頸動脈剝離。頸動脈剝離患者的年齡比較輕，最常發生於 40 歲至 50 歲之間的患者身上，因此頸動脈剝離是 50 歲以下患者罹患中風的常見原因之一。

要了解頸動脈剝離，我們需要先來分別了解頸動脈的重要性和什麼是動脈剝離。頸動脈位在脖子兩側，負責供應通往頭頸部與腦部的血流。第一部分稱為總頸動脈，左側的左總頸動脈由主動脈直接發出，右側的右總頸動脈由頭臂動脈發出；之後總頸動脈在頸部會分支成外頸動脈與內頸動脈。外頸動脈負責了支援臉部與頭皮的血流；內頸動脈則提供了腦部前方的血流。有了這個基本概念後，我們可以知道萬一頸動脈出了事情，很可能會造成頭頸部與腦部出現症狀。

至於動脈剝離的概念，需要先了解血管壁有分層，動脈剝離代表血管壁最內層的內皮受傷，出現裂痕，以至於血管內的血液經過內層裂痕，進到血管壁分層之間，並將血管壁分層撐開，導致血管壁鼓脹。這時，血流速度會因此減緩，甚至停住，還會形成血塊栓子；鼓脹的血管壁也會壓迫到周遭的組織與神經，進而造成症狀。

頸動脈剝離的原因

所以，究竟什麼原因會讓頸動脈的內皮受傷，出現裂痕，而導致了頸動脈剝離呢？若長期血壓高，有抽菸習慣，或本身有結締組織疾病「馬凡氏症候群」，都會讓血管壁比較容易受傷，出現裂痕，因此導致了頸動脈剝離。

另外，頸部受到外傷，或者活動、運動過於激烈，也會造成血管壁受傷。於是，車禍是頸動脈剝離的常見原因。而玩雲霄飛車、滑雪、潛水、玩彈跳床、或按摩，甚至是咳嗽突然間太大力，都曾出現引發頸動脈剝離的案例。

頸動脈剝離的症狀、診斷、與治療

頸動脈剝離後，通往頭頸部與腦部的血流速度降低，血流不足，可能會造成頭痛、脖子痛、眼睛痛、頭皮疼痛。有些患者的症狀就只有疼痛而已，但有些患者在頸動脈剝離後，會出現單側眼皮垂墜並瞳孔縮小、單側肢體無力等中風症狀，這些症狀可以是突然出現，也可能在頸動脈剝離後幾天內逐漸浮現。

若臨床檢查擔心有頸動脈剝離的可能，醫師會安排頸部血管攝影檢查。確認診斷為頸動脈剝離後，需要用抗凝血劑或抗血小板聚集的藥物，減少血管內血塊栓子的形成。部分案例需要用頸部血管支架。

避免頸動脈剝離

血管的健康很重要，而要維繫血管健康，一定要養成健康的生活習慣，並避免讓頸部受鈍挫傷。不要使用菸草或抽菸，定期檢查血壓並治療高血壓，保持規律運動習慣，但要避免會容易讓頸部受傷，較危險的活動運動。

• 本文轉載自 Care Online 照護線上《突然頭痛、眼皮垂，竟然是「頸動脈剝離」》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

• 本文轉載自科技大觀園，原文為《揭開頭痛的秘密：止痛藥不是唯一解》
• 作者 / 簡鈺璇｜科技大觀園特約編輯

頭痛讓每個人都頭痛！根據 WHO 統計，頭痛是神經科最常見的疾病，相較於所有疾病，每年頭痛造成的失能人數是世界第二。然而，我們對頭痛的理解並不夠透徹，很多人甚至覺得吃止痛藥就好，頭痛不是什麼病。

「頭痛是病，而且它有一定的病生理機轉機制，吃止痛藥對頻繁頭痛者來說，並不是最好的方式。」臺北榮民總醫院神經內科醫師、臨床醫學研究所教授陳世彬說。

17 年前陳世彬就加入榮陽頭痛研究團隊，致力解開頭痛之謎，是國際知名的腦神經研究專家，研究成果傑出，榮獲 108 年度科技部「吳大猷先生紀念獎」。

他主要研究最痛和最難纏的兩款頭痛——RCVS（Reversible cerebral vasoconstriction syndrome，可逆性腦血管收縮症候群）及 migraine（偏頭痛）。RCVS 是最嚴重也最危險的頭痛類型，若太晚發現，有相當高的機會會產生中風（缺血性腦梗塞或腦出血）；偏頭痛則是造成全世界最多人失能的神經科疾病。

然而，腦神經運作相當複雜，每個人對藥物的反應不同，因此陳世彬的角色除了看診、開藥外，還得投入研究，解開頭痛之謎，才能對症治療。

 全台第一個發現雷擊頭痛 RCVS 的病徵

RCVS 引發的疼痛是頭痛之王，患者在發病期間會產生瞬間爆炸般的頭痛，又稱為雷擊頭痛。陳世彬說：「這個痛是會痛到在地上打滾、尖叫和求救的可怕的頭痛。」

這類的頭痛通常伴隨排便、性行為、洗澡或情緒激動等動作而誘發，對病患生活造成極大的困擾，常有患者怕到不敢洗澡、不敢上大號，北榮的頭痛門診中有 1-2% 病患屬於此類。

但在 2007 年以前，全世界對這個疾病是很陌生的，僅有北榮、美國和法國三個研究團隊關注它，RCVS 的名稱也是當時的專家共識決定的。陳世彬表示，會開啟這一系列研究，主要原因是一開始遇到一個病人頭疼到沒有藥可以解決，接著產生視覺皮質區中風而失明，團隊才開始針對這個謎一般的病進行研究。

團隊發現 RCVS 患者的腦血管攝影中，可以看見血管一節節收縮的痕跡，收縮的狀況由小血管慢慢移到中央血管區，因此剛開始檢查時很難看見。RCVS 會引起嚴重的併發症，例如可逆性腦後方白質病變或腦水腫達 9-38%、缺血性腦梗塞達 4-54%，以及腦出血可能高達 20%，必須及早診斷。

榮陽頭痛研究團隊是全台第一個釐清 RCVS 臨床表現、建立檢查與治療標準流程、找出併發症的團隊，並開發新影像技術協助診治和探討病生理機轉，在 RCVS 領域中的研究成果可說是世界第一。

至於血管為何會收縮呢？陳世彬坦言，目前掌握的 RCVS 病生理機制不算全面，不過全世界目前只有榮陽頭痛研究團隊有針對此病病生理機轉進行研究並發表論文，現在知道病患的交感神經容易過度活化，且產生過度的氧化壓力，因而導致血管收縮，這些現象跟病患帶有某些基因有關。此外，血液中內皮前驅細胞數量少、修復大腦血管功能較弱者，也是 RCVS 的好發患者。近期團隊透過全基因體關聯性研究，也有新的發現。陳世彬表示，RCVS 患者的基因位點分佈與其他人差異很大，而這些基因也跟血腦障壁破壞、中風、腦出血等腦血管疾病有關。 

「也就是說控制 RCVS 的並不是單基因遺傳，而是很多基因都貢獻一部分，如果你的基因位點（染色體上基因所在位置）都很不好，就很像拿到一手壞牌，容易有這些病症。」陳世彬說。

目前 RCVS 的治療方式會採用腦血管專一性的「鈣離子阻斷劑」，它是一種血管擴張的藥物。陳世彬提到，有趣的是它可以馬上緩解頭痛，但無法立刻改善血管收縮的情況，病患頭痛消失的時候，反而是血管收縮最嚴重的時候，也因此需要持續服藥到血管恢復為止，目前沒有人知道為什麼，也沒有人清楚為何洗澡會引發 RCVS。

這個疾病還有許多謎，等待研究團隊努力解開呢！

大腦沒有痛覺，那偏頭痛怎麼來？

相較於 RCVS 痛到痛不欲生，偏頭痛則是受大眾忽略的疾病。

陳世彬表示，偏頭痛是病，但有時卻會被誤以為是單純的感冒或經期症候群。他在臨床就看到好多病患苦於頭痛，一個月痛超過 15 天以上，到處打針、吃藥，吃到肝腎胃都壞掉，頭痛還是好不了。根據北榮資料統計，目前嚴重的慢性偏頭痛患者大約有 1.7%，比例相當高。

陳世彬提醒，偏頭痛並不一定是單一邊的頭痛，它可以是痛在雙側或頭頂，有時是連肩頸或整個頭都會痛，發病時的症狀還有噁心、嘔吐、畏光和怕吵的症狀，有些人在發作前還會出現視覺預兆，眼前會出現閃光或盲點，而看不到前方的狀況。

偏頭痛的病生理機轉也相當複雜，最重要的假說是「三叉神經血管理論 」（Trigeminovascular theory）。陳世彬解釋，大腦本身沒有痛覺神經，腦膜才有痛覺神經，頭痛就是來自腦膜周圍的三叉神經末梢纖維，當這些神經纖維被活化後，會造成局部的神經性發炎，使得疼痛神經的末梢被更進一步活化，訊號傳到大腦中樞後，讓我們有疼痛的感覺。

為何有人的三叉神經比較容易被活化呢？陳世彬表示，基因是影響偏頭痛的原因之一，父母有偏頭痛狀況，孩子也容易是偏頭痛患者。近年歐美國家大規模研究全基因體關聯性，已經找到 44 個跟偏頭痛有關的基因位點，而北榮的研究團隊則找到 4 個位點，其中兩個跟歐美發現的位點一致，另外兩個則是台灣人獨有的。

陳世彬表示，有個偏頭痛的基因位點「TRPM8」是全世界共通的，它掌管離子通道，且與冷的刺激所造成的疼痛有關，這說明天氣變化或溫度改變，如大熱天突然進到冷氣房，確實跟頭痛有關聯性。因此未來或許可以針對此離子通道設計藥物，達到事前預防的效果。

陳世彬認為，針對偏頭痛嚴重的病患，將來的目標是可以透過篩檢看哪些基因造成頭痛，然後對症預防、調整體質，減少頭痛發生的頻率，而不只是吃止痛藥來治標。

後記：醫師最幸福

即使研究卓越，陳世彬還是最喜歡當醫師，「做了很多研究不一定有結果，但把病人治好是有成就感的，所以我更喜歡臨床。」

他印象很深刻，剛升主治醫師不久，就收到一位年輕患者不明原因昏迷插管已快一兩個月，但她的 CT、MRI 都是正常的，這時科主任剛巧出國，就交給他處理。當時大家都找不出原因，他覺得病患的病程，跟之前國際神經學會時，美國研究團隊報告的一個案例很像。

「當時台北榮總沒有人診斷過這個病，我決定寫信去美國，請當初發現這個病的醫生幫忙驗患者的抗體，然後把患者血液寄到美國，後來證實是抗 NMDA 受體腦炎，一種免疫疾病（註: 此病曾被寫成小說並拍成電影《我發瘋的那段日子 Brain on fire》）。陳世彬表示，當時緊急做血漿交換，才做到一半患者就清醒了一小時，然後又持續昏迷，後來經過一段時間治療後，這位病患是與家人開心走著離開醫院。

這件事讓他非常歡欣鼓舞，更下定決心要好好做研究，嘉惠病人。儘管「研究的困難多到不知從何說起」，但他坦言突破困難後，收穫相當大。而且要不是讀博士時被教授指派做動物實驗，他也不會多了一項研究利器，能夠做流行病學以外的研究。

陳世彬笑著說，神經科學本就是奠定在科學家無數的錯誤、突破困難之上。以往神經科學被笑說是「 know everything, do nothing 」，但在科學家的努力下，許多退化性疾病如失智症、帕金森氏症或一些罕見疾病如漸凍人、多發性硬化症等，都有一些新的治療發明，相信在可見的未來都不再是絕症了。想到這，陳世彬就覺得一切努力都是值得的。